Pemodelan Transportasi (Transport Modelling)
Pendahuluan
Sistem dan Teknik Transportasi :
Sistem Transportasi traffic flow (signalised and unsignalised intersections, links, roundabout, etc), modelling transport (traffic network, land-use, chain trips, etc), traffic engineering (accidents,etc), traffic management, etc
Teknik Transportasi pavement, materials, roadway
Signalised Intersection : KAJI97, Oscady (UK), SIDRA (Aus)
Unsignalised Int : Kaji97, Picady ( UK)
Roundabouts : Arcady (UK), SIDRA (Aus)
Coordination Int : Transyt (UK), SIDRA (Aus)
Modelling : EMME2 (Can), TFTP (Dutch), Contram (UK),
JICA Strada (Japan), SATURN, Tranplan,etc
softwares
Pe
model
an
Model : representasi sederhana dalam suatu bagian realitas,
yang dikonsentrasikan pada elemen-elemen tertentu yang
penting
(Ortuzar & Willumsen, 1994)
penyederhanaan dari
suatu sistem dalam realita untuk tujuan tertentu
Transport
Modelling
•
Mengetahui karakteristik perjalanan dalam jaringan
transportasi
•
Mengetahui distribusi perjalanan
•
Mengetahui moda perjalanan
•
Analisis
forecasting
(peramalan lalulintas)
Transport
Modelling
Jaringan Zona Data Tahun Dasar Data Masa Depan
Data Base
Tahun dasar/Masa depan
Trip Generation
Trip Distribution
Modal Split
Traffic Assignment
Evaluasi iterasi
Rangkaian Kegiatan Pemodelan Permintaan Transportasi
Bangkitan Perjalanan
Distribusi Perjalanan
Pemilahan Moda Transportasi
TRIP GENERATION (
Bangkitan Perjalanan)
•
Tujuan : memperkirakan jumlah
perjalanan yang akan mulai atau
berakhir pada masing-masing zona
wilayah dalam suatu daerah untuk
suatu hari pada suatu target tahun
tertentu
•
Hanya
menghitung
yang
keluar/masuk saja
•
Tidak perlu tahu asal/tujuan
•
Bentuk umum :
n 1 2 3 i n 1 3 … i 2 …
n jTij
1
n
i
Tij
Faktor yang mempengaruhi :
•
Land use
•
Karakteristik rumah tangga
(household size, vehicle
ownership, household income, working unit)
•
Kapasitas sistem transportasi
•
Growth Factor Method
•
Multiple Linear Regression
•
Cross Classification
Model-model Trip Generation
Growth Factor Method : jumlah perjalanan di masa
datang merupakan perkalian jumlah perjalanan saat ini
dengan estimasi tingkat pertumbuhannya.
Bentuk umum :
ti
Fi
Ti
.
)
,
,
(
)
,
,
(
c c c d d dCi
Ii
Pi
f
Ci
Ii
Pi
f
Fi
i = zona,
Ti = trip masa datang, ti = trip sekarang,
F = faktor pertumbuhan, P = populasi,
I = income,
C = car ownership,
Model Regresi Linear Berganda :
dengan asumsi bahwa
jumlah perjalanan dianggap merupakan fungsi dari faktor-
faktor penyebab.
Contoh persamaan :
Dengan :Y =jumlah perjalanan orang yang dibangkitkan dari suatu zona per hari,
x1=pendapatan keluarga rata-rata,
x2=pemilikan kendaraan rata-rata dalam keluarga,
x3=jumlah anggota keluarga rata-rata, a0,a1,a2,a3=konstanta.
3 3 2
2 1
1
0
a
x
a
x
a
x
a
Model Cross Classification atau Category Analysis ;
dengan cara membagi suatu zona dalam beberapa
kategori sesuai sifat-sifat zona tersebut.
Misalnya jumlah perjalanan rata-rata per hari akan
berbeda sesuai dengan pendapatan per keluarga atau
jumlah kendaraan bermotor yang dimiliki.
Contoh persamaan :
Dengan : Pi = jumlah perjalanan yang dibangkitkan dari zona i, hi(c) = jumlah keluarga di zona i untuk kategori c,
tp(c) = tingkat bangkitan perjalanan untuk kegiatan c.
hi
(
c
)
tp
(
c
)
PENGUMPULAN DATA DASAR (Home Interview Survey)
•
Peta administratif, peta jaringan jalan, peta land-use
•
Zoning (batas kordon, jaringan jalan, dsb)
•
Metode wawancara dengan penentuan sampling
statistik (distribusi geografis, teknik sampling)
Alasan memakai sampel:
Tidak mampu mengumpulkan informasi untuk seluruh
populasi -> kendala waktu, biaya, tenaga, dll
Data menyebar, peristiwa jarang terjadi -> tidak
mungkin mengumpulkan data seluruh populasi
BESARAN SAMPEL
No Jlh Pddk Besar Sampel
(Yg dianjurkan)
Besar Sampel (Minimum)
1 < 50.000 1 dalam 5 1 dalam 10
2 50.000 – 150.000 1 dalam 8 1 dalam 20
3 150.000 – 300.000 1 dalam 10 1 dalam 35
4 300.000 – 500.000 1 dalam 15 1 dalam 50
5 500.000 – 1 juta 1 dalam 20 1 dalam 70
6 > 1 juta 1 dalam 25 1 dalam 100
Analisis Bangkitan Perjalanan
•
Mampu melakukan prediksi variabel yang
mempengaruhi bangkitan perjalanan
•
Mampu
melakukan
analisis
bangkitan
perjalanan dengan metode analisis regresi
•
Mampu melakukan taksiran perjalanan untuk
PENGOLAHAN DATA
Prediksi jlh perjalanan perlu diketahui terlebih dahulu kondisi
variabelnya.
Compounding Factor
Pt = Po (1+i)^n
Pt = jlh var pd thn prediksi
Po = jlh var pd thn dasar
i = tk. Pertumbuhan
n = periode ramalan
KORELASI
Asosiasi (hubungan fungsional) antara variabel 2 yang
diamati
2 aspek : - hubungan ?
- seberapa kuat ?
Jenis korelasi (bivariate/product moment Pearson, Spearman
dan Kendall, partial)
• Nilai koefisien ini mempunyai nilai antara +1 0 –1
• r adalah simbol mewakili koefisien sampel
• Koefisien korelasi mempunyai dua ukuran
• Kekuatan (Nilai Mutlak)
kuat negatif tidak berkorelasi kuat positif
r2 = .81 r = .9 r2 = .81 r = -.9 r2 = 0.0 r = 0.0
negatif sempurna
r2 = 1.00 r = - 1.00
r2 = 1.00 r = 1.00
positif sempurna
Formula koefisien r
2 2 2 2)
(
)
(
)
(
)
(
-Y
i i i i i i iY
Y
n
X
X
n
Y
X
X
n
r
Syarat :- Antar variabel bebas tidak boleh berkorelasi kuat
- Variabel bebas dan tidak bebas semakin baik apabila berkorelasi secara kuat
ANALISIS REGRESI
Terdapat 3 tujuan analisis regresi:
•
Untuk memodelkan hubungan antara variabel terikat
Y
dengan satu atau lebih variabel bebas
X
•
Untuk mengukur ralat dalam menggunakan hubungan ini
untuk membuat ramalan variabel terikat
•
Untuk mengukur kekuatan hubungan (mis. korelasi) antara
variabel terikat dan variabel bebas
LEAST SQUARE METHOD
•
Tujuan analisis regresi ialah untuk mendapatkan
persamaan garis regresi yang terbaik di mana
selisih kuadrat adalah yang terkecil
•
Eror adalah beda antara nilai sebenar (
Y
) dan
nilai model (
Y
)
Least Square Estimation
0 20 40 60 80 10015 20 25 30 35 40 45 50
Jumlah Iklan ($)
J u a la n ( $
) Model lemah, ralat besar
Ralat
kecil Y = Sebenar
Y = Model
Garis Model Lemah
X = 31
= 47.67
Garis Model Terbaik
FoRmULa
Eror minimum
Garis regresi =
Y
=
a
+
bX
a = Y - bX
minimum
nilai
)
-(
^ 22
e
i
Y
iY
i
2 2 2i
(
-
)
Question 1
Zona Jlh Pddk 2006
Taksiran Jlh Pddk 2011
Taksiran Jlh Pddk 2016
1 12000 2 1500 3 11000 4 7000 5 5000 6 4000
Answer 1
Zona Jlh Pddk 2006
Taksiran Jlh Pddk 2011
Taksiran Jlh Pddk 2016
1 12000 13911 16127
2 1500 1739 2016
3 11000 12752 14783
4 7000 8115 9407
5 5000 5796 6720
Question 2
Zona Jumlah Penduduk (X) Jlh Perjalanan (Y)
1 12000 18750
2 1500 2090
3 11000 11600
4 10000 8950
5 8000 5700
6 7000 4700
Dari data jlh penduduk dan jlh perjalanan pada setiap zona dalam daerah studi kota
Answer 2
Model Summary
,853a ,727 ,659 3488,001 Model
1
R R Square
Adjusted R Square
Std. Error of the Estimate
Predictors: (Constant), PDDK a.
Variables Entered/Removedb
PDDKa , Enter
Model 1
Variables Entered
Variables
Remov ed Method
All requested v ariables entered. a.
Dependent Variable: PERJLNAN b.
ANOVAb
1,29E+08 1 129474484,3 10,642 ,031a 48664599 4 12166149,77
1,78E+08 5 Regression Residual Total Model 1 Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), PDDK a.
Dependent Variable: PERJLN AN b.
Coeffici entsa
-2441, 125 3680,830 -, 663 ,543 1, 342 ,411 ,853 3, 262 ,031 (Constant)
PDDK Model
1
B Std. Error Uns tandardized
Coef f icients
Beta Standardized
Coef f icients
t Sig.
Dependent Variable: PERJLN AN a.
Berdasarkan hasil analisis dengan SPSS versi 11 :
Question 3
Zona Jlh Pddk (X) Taksiran Jlh Pddk 2006 Taksiran Jlh Bangkitan Prjln 2006 Taksiran Jlh Pddk 2011 Taksiran Jlh Bangkitan Prjln 2011 1 12000 13911 16127
2 1500 1739 2016
3 11000 12752 14783
4 7000 8115 9407
5 5000 5796 6720
6 4000 4637 5376
Jlh 40500 46951 54429
• Dari prediksi jlh penduduk pada tugas 1 dan dgn menggunakan persamaan regresi pada tugas 2, lakukan prediksi jlh bangkitan
TRIP DISTRIBUTION (Distribusi Perjalanan)
Untuk mengetahui distribusi perjalanan antar zona Menghitung berapa perjalanan dari i ke j
1
2
Model-model (
TRIP DISTRIBUTION)
Growth Factor Method :
• Uniform
• Single Constrained
• Doubly Constrained
• Gravitation Model
• Opportunity Model
MODAL CHOICE/SPLIT (
Pemilihan Moda)
• Untuk mengetahui pembedaan jenis moda
• Menghitung berapa perjalanan dari i ke j dengan
TRIP ASSIGNMENT (
Pembebanan Lalulintas )
• Untuk mengetahui karakteristik seluruh
perjalanan pada jaringan jalan
• Menghitung berapa perjalanan dari i ke j dengan
TRIP ASSIGNMENT
• Tiap orang akan memilih rute terpendek, karena
tahu waktu perjalanan tiap rute
• Waktu perjalanan tetap
• Tidak ada hambatan kemacetan
• Biasanya digunakan untuk volume rendah
• Biasanya digunakan untuk jaringan jalan antar
kota
• Tidak banyak alternatif
ALL OR NOTHING
TRIP ASSIGNMENT
Biasa digunakan pada jalan perkotaan Ada hambatan kemacetan Asumsi bahwa semua rute yang digunakan memiliki biaya yang sama dan minimum
USER EQUILIBRIUM
TRIP ASSIGNMENT
Adanya pengaruh perbedaan persepsi untuk satu waktu yang sama Ketidakpastian waktu perjalanan Lebih realistis, karena penyebaran arus memperhatikan kecenderungan tiap pengendara dalam memilih rute
STOCHASTIC
PEMODELAN DENGAN KOMPUTER
computerised
•
TFTP
(Teacher Friendly Transportation Program)
dari Belanda, node terbatas
(99 nodes),
baik untuk
pembelajaran, program sederhana
•
EMME2 (Equilibre Multimodal, Multimodal
Contoh Tampilan TFTP…
Matriks Asal Tujuan
direpresentasikan sebagai land use,
yang berisi jumlah pekerja (working residence) dan jumlah pekerjaan
Contoh Tampilan
TFTP…
Hasil
What is EMME2 ?
•
Software pemodelan yang dikembangkan
oleh Center of Research on Transportation
(CRT), University of Montreal, Kanada
•
Konsep dasar :
Supply Demand
Fungsi
delay/cost
Operasi Matriks
Kategori Data
• Nodes : titik-titik representasi lokasi :
– Centroid/regular nodes : titik asal dan tujuan perjalanan (bangkitan dan tarikan),
– Dummy nodes : representasi tikungan, simpang, tidak punya nilai bangkitan/tarikan
• Links : representasi jaringan jalan, penghubung nodes, harus memiliki karakteristik : kapasitas, lebar lajur, arah, kecepatan
• Modes/moda kendaraan (automodes/kend pribadi, transit
modes (angk umum), auxiliary transit modes/pedestrian, auxiliary automodes/truk,HV)
• Turns : representasi gerakan membelok pada simpang
• Transit vehicles adalah kendaraan atau kombinasi kendaraan yang digunakan oleh jalur angkutan umum. Satu tipe kendaraan diasosiasikan sebagai satu moda saja. Bila terdapat dua moda digunakan dalam kendaraan yang sama, maka harus didefinisikan lagi untuk tiap moda.
Skema Elemen Network
Nodes dan Centroids
Atribut dasar:
Nomor node
Koordinat X dan Y
3 item data users
Label node Atribut tambahan Hasil :
Awal berangkat
Turun Modes Atribut dasar: Pengidentifikasi Deskripsi Tipe
Kode plot
Koefisien cost dan energi
Kecepatan
Links
Atribut dasar:
I-node dan J-node
Panjang
Modes
Tipe link
Jumlah jalur
Fungsi Volume/Delay
3 item data users
Atribut tambahan Hasil:
Volume auto
Volume tambahan
Waktu auto
Volume transit pembantu
Transit Vehicles
Atribut dasar:
Jumlah kendaraan
Deskripsi
Moda
Ukuran armada
Kapasitas (kursi/total)
Koefisien cost dan energi
Ekivalensi auto
Turns
Atribut dasar:
Node pada-, node dari-, node ke-
Fungsi penalti membelok
3 item data users
Atribut tambahan Hasil :
Volume auto
Volume tambahan
Waktu auto
Transit Line Line Atribut dasar: Nama Deskripsi Moda
Tipe kendaraan
Headway
Kecepatan
3 item data users
1 atau 2 layover(s)
Atribut tambahan
Segment
Atribut dasar:
I-node dan J-node
Fungsi waktu transit
Dwelling time/waktu hilang
3 item data users
Atribut tambahan Hasil:
Volume transit
Boarding transit
Contoh Tampilan
Base Network
y = x R2 = 1
y = 0,8677x + 46,612 R2 = 0,8329
y = 0,903x + 38,362 R2 = 0,8648
0 200 400 600 800 1000 1200 1400 1600 1800 2000
0 500 1000 1500 2000
Lap (smp/jam) M o d e l (s m p /ja m ) Validas i &Kalibras i I Ideal
Validas i &Kalibras i II
Kategori Data
• Adalah data MAT (Matrik Asal Tujuan/O-D
Matrix), diperoleh dari survey Asal-Tujuan
• Tipe Matriks dalam emme2 :
– By O-D pair : matriks O-D penuh
– By Origin :mengandung satu elemen untuk tiap daerah asal, misal : jumlah rumah tangga pada tiap2 origin
– By Destination : mengandung satu elemen untuk tiap daerah tujuan
– Scalar Matrix : mengandung satu elemen, yakni fungsi skalar
2. MATRICES
Kategori Data
• Adalah struktur data yang mengandung ekspresi aljabar yang akan digunakan untuk menjelaskan hubungan fungsional sebagai suatu network dan kalkulasi matrik
3. FUNCTION
Kelas Fungsi Identifikasi Fungsi Hitungan Auto Volume Delay
Turn Penalty Transit Time Auto Demand Transit Demand User fdn fpn ftn fan fbn fvn
Waktu auto pada link dalam network (menit)
Fungsi waktu utk membelok pada simpang (menit) Fungsi waktu angk umum pada rute AU (menit) Permintaan auto utk OD pairs
NETWORKS
•Modes
•Base Network (nodes and links)
•Transit Vehicles
•Transit Lines
•Turn
MATRICES By OD Pair
By Origin By Destination
Scalar
FUNCTION Vol Delay Transit Times
Turn Penalty Demand
SCENARIO
• Suatu set data lengkap, yakni moda, base network, turn, angkutan umum dan jalur yang menggambarkan infrastruktur transportasi
• Pembuatan skenario mudah, dengan interaktif
MODUL
• Merubah bank data secara langsung
• Mengubah parameter, dalam log book
• Merubah skenario
• Dan lain-lain
1. Utilities (kegunaan tambahan)
2. Network Editor (Penyusunan Jaringan
3. Matrix Editor
4. Function Editor
5. Assignment Procedures
• Auto Assignment
• Transit Assignment
1. Utilities (Kegunaan Tambahan)
Grup modul ini memberikan keleluasaan untuk proses manipulasi bank data, pembuatan skenario, eksport/import file, pembuatan batas
demarkasi, serta mengubah unit (panjang dalam km, biaya dalam rupiah, dll) dan judul dari masing-masing skenario.
2. Network Editor (Penyusunan Jaringan)
• Moda Lalu Lintas, yang terdiri atas : Auto Vehicle (Kendaraan Pribadi), Transit (Angkutan Umum), Auxiliary Transit (moda bantu angkutan umum, misalnya pejalan kaki), dan Auxiliary Auto (moda bantu auto).
• Node dan Link. Node dapat berupa regular node, yang merupakan representasi dari simpang, atau belokan pada jalan. Sedangkan centroid merupakan titik pusat kegiatan pada suatu kawasan. Link adalah garis/jalan yang menghubungkan 2 node atau lebih. Link yang menghubungkan centroid dan regular node disebut connector.
• Angkutan Umum dan Jaringan.
3. Matrix Editor (Penyusunan Matriks)
Grup modul ini memberikan keleluasaan pengguna dalam membuat Matrik Asal-Tujuan (O-D Matrix). Tipe matrik dalam EMME/2 adalah : Full Matrix, Origin Matrix, Destination Matrix, dan Scalar Matrix.
EMME/2 juga menyediakan fasilitas hitungan dan matrix balancing dalam modul ini. Matrix balancing melaksanakan model distribusi yang bervariasi dengan cara menyeimbangkan input matrix dengan total baris dan kolom.
4. Function Editor (Penyusunan Fungsi)
Variable Demand
5. Asssigment Procedures/ Prosedur Pembebanan
Prosedur ini merupakan inti dari perhitungan dan pemrosesan pembebanan. Pembebanan yang dilakukan meliputi auto (auto assignment) dan transit (transit assignment).
Auto Assignment
Fix Demand
1. Single Class Auto Assignment, merupakan bentuk yang paling sederhana dari equilibrium auto assignment, di mana waktu perjalanan diberikan dalam fungsi Volume-Delay yang berhubungan dengan setiap link pada auto network, dan juga fungsi penalty pada simpang yang berasosiasi dengan jumlah belokan dari setiap lengan pada simpang. Output yang didapatkan pada assignment ini adalah:
2. Single class assignment with generalized cost, di mana perbedaan dengan metoda sebelumnya adalah dalam hal cost (biaya perjalanan). Bila sebelumnya pengukur variabel biaya adalah waktu perjalanan, maka metoda ini menggunakan biaya perjalanan atau road toll sebagai pengukur dalam pemilihan rute. Situasi ini dapat direpresentasikan dengan model Generalized Cost Assignment.
Input dari model ini berupa : Input yang dibutuhkan pembebanan berdasar waktu, Atribut link, yang berisi biaya tetap (fixed cost), Faktor berat
(weight factor).
Output berupa : sebuah matrik biaya (cost matrix) yang berisi generalized cost untuk tiap pasang O-D, auto times pada links dan turn (menit),
3. Multiclass Assignment, yang merupakan pembebanan ekuilibrium yang sesuai dengan kondisi nyata, di mana terdapat beberapa kelas pengguna yang dapat menerima perceived cost berbeda satu sama lain. Seluruh kelas pengguna akan berada dalam jaringan dengan waktu perjalanan yang sama untuk semua ruas/link.
4. Multiclass assignment with generalized cost, yang hampir sama
dengan metoda multiclass assignment, dengan perbedaan pada adanya biaya perjalanan yang dapat diterapkan baik pada jarak perjalanan maupun waktu perjalanan.
5. Generalized cost multiclass assignment with class spesific
volume, yang merupakan pengembangan dari multiclass assignment
Variable Demand
Model pembebanan lalu lintas ini dapat menggunakan fungsi permintaan (bahkan dari sebuah matrik demand yang pasti) untuk menspesifikasi permintaan untuk tiap pasang O-D. Tergantung pada fungsi permintaan yang digunakan, model ini dapat diaplikasikan pada berbagai situasi.
Network :
-Centroid,nodes,links dan
turn (beserta atributnya) -Sumber untuk additional volume
Matrices :
-Permintaan (dalam orang) -Okupansi kendaraan (org/kend)
-Permintaan tambahan (dalam kendaraan)
Function :
-Volume Delay link -Turn penalty
Parameter : -Kriteria Stopping
Variable Demand Auto Equilibrium Assignment
Network :
-Autovolume pada links dan turn
-Autotimes pada links dan turn
-Additional volumes pada links dan turn
Matrix :
-Waktu Perjalanan -Demand (orang)
Working Matrices
-Nilai fungsi demand
Transit Assignment
Pembebanan transit yang diimplementasikan dalam EMME/2 ini merupakan multipath assignment, yang didasarkan pada hitungan optimal strategies, yang konsepnya diambil dari statemen : “akibat adanya waktu tunggu dalam jaringan angkutan umum, seorang pengguna dapat memilih elemen yang lebih komplek daripada yang sederhana untuk suatu tujuan perjalanan; sebagai contoh, dia dapat memilih satu set jalan, menunggu dan naik pada angkutan yang pertama kali datang, lalu turun pada node yang belum ditentukan sebelumnya, begitu seterusnya hingga sampai tujuan”. .
Terima Kasih Atas Perhatiannya
